Fugu-MT 論文翻訳(概要): Multiple Instance Learning for Cheating Detection and Localization in Online Examinations

論文の概要: Multiple Instance Learning for Cheating Detection and Localization in Online Examinations

arxiv url: http://arxiv.org/abs/2402.06107v1
Date: Fri, 9 Feb 2024 00:01:42 GMT
ステータス: 処理完了
システム内更新日: 2024-02-12 18:32:48.973753
Title: Multiple Instance Learning for Cheating Detection and Localization in Online Examinations
Title（参考訳）: オンライン試験における不正検出と局所化のための複数インスタンス学習
Authors: Yemeng Liu, Jing Ren, Jianshuo Xu, Xiaomei Bai, Roopdeep Kaur, Feng Xia
Abstract要約: マルチプルinStancE学習によるCHEating検出フレームワークであるCHEESEを開発した。このフレームワークは、弱い監視を実装するラベルジェネレータと、識別的特徴を学習するための特徴エンコーダで構成されている。 3つのデータセットに関する実験は、最先端の手法と比較して、我々の手法の有効性を証明している。
参考スコア（独自算出の注目度）: 12.599420704860838
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The spread of the Coronavirus disease-2019 epidemic has caused many courses and exams to be conducted online. The cheating behavior detection model in examination invigilation systems plays a pivotal role in guaranteeing the equality of long-distance examinations. However, cheating behavior is rare, and most researchers do not comprehensively take into account features such as head posture, gaze angle, body posture, and background information in the task of cheating behavior detection. In this paper, we develop and present CHEESE, a CHEating detection framework via multiplE inStancE learning. The framework consists of a label generator that implements weak supervision and a feature encoder to learn discriminative features. In addition, the framework combines body posture and background features extracted by 3D convolution with eye gaze, head posture and facial features captured by OpenFace 2.0. These features are fed into the spatio-temporal graph module by stitching to analyze the spatio-temporal changes in video clips to detect the cheating behaviors. Our experiments on three datasets, UCF-Crime, ShanghaiTech and Online Exam Proctoring (OEP), prove the effectiveness of our method as compared to the state-of-the-art approaches, and obtain the frame-level AUC score of 87.58% on the OEP dataset.
Abstract（参考訳）: コロナウイルスの感染拡大に伴い、多くのコースや試験がオンラインで実施されている。試験ナビゲーションシステムにおける不正行為検出モデルは,遠隔検査の平等性を保証する上で重要な役割を担っている。しかし、不正行為はまれであり、ほとんどの研究者は不正行為検出タスクにおける頭部姿勢、視線角、身体姿勢、背景情報などの特徴を総合的に考慮していない。本稿では,MultiplE inStancE学習によるCHEating検出フレームワークであるCHEESEを開発した。このフレームワークは、弱い監視を実装するラベルジェネレータと、識別的特徴を学習するための特徴エンコーダで構成されている。また、3次元畳み込みによって抽出された体格と背景の特徴と、openface 2.0で捉えた視線、頭部姿勢、顔の特徴を組み合わせる。これらの特徴は、ビデオクリップの時空間変化を分析し、不正行為を検出することで、時空間グラフモジュールに入力される。 UCF-Crime, ShanghaiTech, Online Exam Proctoring (OEP) の3つのデータセットに対する実験により, 現状のアプローチと比較して本手法の有効性が証明され, フレームレベルのAUCスコアは87.58%であった。

関連論文リスト

VisioPhysioENet: Multimodal Engagement Detection using Visual and Physiological Signals [12.238387391165071]
本稿では、視覚的手がかりと生理的信号を利用してエンゲージメントを検出する新しいシステムであるPhysioENetを紹介する。 DAiSEEデータセットの精度は63.09%である。
論文参考訳（メタデータ） (2024-09-24T14:36:19Z)
UniForensics: Face Forgery Detection via General Facial Representation [60.5421627990707]
高レベルの意味的特徴は摂動の影響を受けにくく、フォージェリー固有の人工物に限らないため、より強い一般化がある。我々は、トランスフォーマーベースのビデオネットワークを活用する新しいディープフェイク検出フレームワークUniForensicsを導入し、顔の豊かな表現のためのメタファンクショナルな顔分類を行う。
論文参考訳（メタデータ） (2024-07-26T20:51:54Z)
CycleHOI: Improving Human-Object Interaction Detection with Cycle Consistency of Detection and Generation [37.45945633515955]
本稿では,人間と物体の相互作用(HOI)の検出性能を高めるために,CycleHOIという新しい学習フレームワークを提案する。我々の鍵となる設計は、HOI検出器のトレーニングのための新しいサイクル整合性損失を導入することである。我々は,CycleHOIの有効性と一般化力を検証するための広範囲な実験を行った。
論文参考訳（メタデータ） (2024-07-16T06:55:43Z)
Shape Matters: Detecting Vertebral Fractures Using Differentiable Point-Based Shape Decoding [51.38395069380457]
変性性脊椎疾患は高齢者に多い。骨粗しょう性骨折やその他の変性変形性骨折のタイムリーな診断は、重度の腰痛や障害のリスクを軽減するための前向きな処置を促進する。本研究では,脊椎動物に対する形状自動エンコーダの使用について検討する。
論文参考訳（メタデータ） (2023-12-08T18:11:22Z)
Augment and Criticize: Exploring Informative Samples for Semi-Supervised Monocular 3D Object Detection [64.65563422852568]
我々は、一般的な半教師付きフレームワークを用いて、難解な単分子3次元物体検出問題を改善する。我々は、ラベルのないデータから豊富な情報的サンプルを探索する、新しい、シンプルで効果的なAugment and Criticize'フレームワークを紹介します。 3DSeMo_DLEと3DSeMo_FLEXと呼ばれる2つの新しい検出器は、KITTIのAP_3D/BEV(Easy)を3.5%以上改善した。
論文参考訳（メタデータ） (2023-03-20T16:28:15Z)
Self-Supervised Masked Convolutional Transformer Block for Anomaly Detection [122.4894940892536]
本稿では, 自己監督型マスク型畳み込み変圧器ブロック (SSMCTB) について述べる。本研究では,従来の自己教師型予測畳み込み抑止ブロック(SSPCAB)を3次元マスク付き畳み込み層,チャンネルワイドアテンション用トランスフォーマー,およびハマーロスに基づく新たな自己教師型目標を用いて拡張する。
論文参考訳（メタデータ） (2022-09-25T04:56:10Z)
Feature Representation Learning for Robust Retinal Disease Detection from Optical Coherence Tomography Images [0.0]
眼科画像は、異なる網膜変性疾患を区別する自動化技術で失敗する、同一の外観の病理を含んでいる可能性がある。本研究では,3つの学習ヘッドを持つ堅牢な疾患検出アーキテクチャを提案する。 2つのOCTデータセットによる実験結果から,提案モデルが既存の最先端モデルよりも精度,解釈可能性,堅牢性に優れ,網膜外網膜疾患の検出に有用であることが示唆された。
論文参考訳（メタデータ） (2022-06-24T07:59:36Z)
A Temporal Learning Approach to Inpainting Endoscopic Specularities and Its effect on Image Correspondence [13.25903945009516]
本稿では,時間的生成的対位ネットワーク(GAN)を用いて,隠蔽解剖学を特異性の下で描くことを提案する。これは、胃内視鏡(Hyper-Kvasir)の生検データを用いて、完全に教師なしの方法で達成される。また,3次元再構成とカメラモーション推定の基盤となるコンピュータビジョンタスクにおける本手法の有効性を評価する。
論文参考訳（メタデータ） (2022-03-31T13:14:00Z)
Activity Recognition with Moving Cameras and Few Training Examples: Applications for Detection of Autism-Related Headbanging [1.603589863010401]
行動認識コンピュータビジョンアルゴリズムは、自閉症に関連する行動の存在を検出するために使用できる。ヘッドバンジ検出に適用した場合のアクティビティ認識における現在の特徴表現技術の利点と限界を文書化します。時間分散畳み込みニューラルネットワークを用いて,ホームビデオのヘッドバンジを検出するコンピュータビジョン分類器を作成する。
論文参考訳（メタデータ） (2021-01-10T05:37:05Z)
Anomaly Detection in Video via Self-Supervised and Multi-Task Learning [113.81927544121625]
ビデオにおける異常検出は、コンピュータビジョンの問題である。本稿では,オブジェクトレベルでの自己教師型およびマルチタスク学習を通じて,ビデオ中の異常事象検出にアプローチする。
論文参考訳（メタデータ） (2020-11-15T10:21:28Z)
SeCo: Exploring Sequence Supervision for Unsupervised Representation Learning [114.58986229852489]
本稿では,空間的,シーケンシャル,時間的観点から,シーケンスの基本的および汎用的な監視について検討する。私たちはContrastive Learning(SeCo)という特定の形式を導き出します。 SeCoは、アクション認識、未トリムアクティビティ認識、オブジェクト追跡に関する線形プロトコルにおいて、優れた結果を示す。
論文参考訳（メタデータ） (2020-08-03T15:51:35Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。